孟加拉国城市地区非危重患者的烟草使用情况、与COVID-19相关的预防行为、治疗模式及其临床特征

《Discover Public Health》：Tobacco use and COVID 19 related preventive behaviors treatment patterns and clinical characteristics among non-critical patients in urban Bangladesh

　　摘要
背景
烟草使用对全球公共卫生构成了重大风险，尤其是在传染病爆发期间。虽然烟草使用通常被视为预测COVID-19结果的因素，但关于烟草使用者在预防行为和治疗经历方面的差异的研究却较为有限，特别是在低收入和中等收入国家。本研究探讨了在低收入和中等收入国家（LMICs）的城市环境中，烟草使用与COVID-19严重程度、治疗经历以及预防健康行为之间的关联。

方法
采用多阶段简单随机抽样方法，对659名COVID-19阳性患者进行了横断面研究，这些患者中有的使用烟草制品，有的不使用。烟草使用定义为在COVID-19诊断前30天内存在吸食或无烟烟草的行为。数据通过面对面访谈收集。烟草使用被视为一个核心健康行为，同时考察了社会人口统计学特征、临床特征以及COVID-19预防措施（包括戴口罩、保持呼吸道卫生和避免大型聚集）。使用皮尔逊卡方检验（Pearson’s Chi-square）或费舍尔精确检验（Fisher’s exact test）来评估烟草使用与社会人口统计学变量和临床变量之间的关联。二元和多元逻辑回归模型用于估计调整后的关联，调整后的逻辑回归模型则用于分析烟草使用、预防行为和治疗模式之间的关联。由于招募限制，需要立即入住ICU或接受侵入性通气治疗的患者被排除在研究之外。

结果
在我们的样本中，14%的参与者报告使用了烟草。二元分析显示，烟草使用与社会人口统计学变量（年龄、性别、住房类型和教育水平）之间存在显著关联（所有p<0.01）。经过调整后，女性以及始终佩戴口罩或保持呼吸道卫生的人使用烟草的可能性较低。报告避免大型聚集的参与者使用烟草的概率较高。在居家护理和医院护理环境中，烟草使用者更可能出现合并症。在居家环境中，烟草使用者更倾向于依赖替代医学，并且更可能报告使用伊维菌素（Ivermectin）。在医院中，烟草使用者接受了更强烈的干预措施，包括托珠单抗（Tocilizumab）治疗、血浆疗法和多种维生素补充。

结论
在孟加拉国城市的COVID-19患者中，烟草使用与特定的人口统计特征、预防行为和治疗选择相关。这些发现强调了在疫情背景下，特别是资源匮乏的城市环境中，需要采取针对性的公共卫生干预措施来应对与烟草相关的脆弱性问题。

引言
全球范围内，烟草使用仍然是可预防的发病率和死亡率的主要原因，2017年导致超过800万人死亡和1.82亿伤残调整生命年（DALYs）[1, 2]。在孟加拉国这个约有1.8亿人口的国家，估计有35.3%的成年人使用某种形式的烟草[3]。快速的社会经济转型和城市化增加了成年人的压力[4]，而COVID-19大流行带来的心理社会和经济动荡进一步加剧了这一压力[5]。COVID-19大流行也改变了不同环境下的烟草使用模式。在法国，超过四分之一的受访者在封锁期间报告吸烟量增加[6]，美国不同种族和族裔群体中也观察到了类似趋势[7]。同时，一些使用者尝试减少或戒除烟草使用[6, 8]。然而，戒烟服务可及性的下降（包括尼古丁替代疗法的减少）可能限制了这些努力[9]。这些对比鲜明的模式凸显了公共卫生紧急情况下烟草相关行为的动态性和情境依赖性。

先前的研究记录了烟草使用与慢性疾病之间的关联，特别是在呼吸系统脆弱性和不良健康结果方面[10,11,12]。然而，这些证据大多来自高收入国家，对于低收入和中等收入国家（LMICs）中烟草使用与预防行为、合并症状况和治疗经历之间的关系了解不足。在南亚，特别是在人口密集的城市地区，烟草使用非常普遍，关于COVID-19预防措施、临床特征和治疗途径是否因烟草使用状况而异的证据很少[6,7,8]。虽然已有研究表明健康相关行为可能同时发生，但本研究仅关注观察到的关联，未应用正式的行为建模方法[13, 14]。在LMICs环境中，对COVID-19预防措施的遵守差异进一步强调了在孟加拉国同时研究烟草使用和预防行为的重要性[15, 16]。尽管烟草使用已被广泛认为是导致COVID-19严重后果的生物学危险因素，但其与感染期间的预防行为和寻求治疗方式的关系仍需进一步探讨，尤其是在资源有限的城市环境中。

2 方法论
2.1 研究设置
本研究旨在调查孟加拉国城市居民区中烟草使用与COVID-19感染严重程度、治疗结果及预防策略之间的关联。数据来自位于该国首都达卡的四家专门的COVID-19医院（公立三级医院）：（1）达卡医学院医院，（2）穆格达医学院医院，（3）沙希德·苏赫拉瓦迪医学院医院，（4）库尔米托拉综合医院。此外，还从达卡的八个病房（城市的最低行政单位）随机选择了样本，分别是达卡南区公司的6、13、29和51病房，以及达卡北区公司的19、23、34和53病房（图1）。参与者被分为三种护理路径：仅居家护理、仅医院护理或两者结合。

2.2 研究设计和概念框架
2021年5月至8月，在孟加拉国的医院和社区环境中进行了横断面调查。本研究具有探索性和关联性分析的特点，以烟草使用为核心健康行为，考察其与COVID-19相关健康体验和行为的关联模式，包括严重程度、接受的治疗和预防措施。预防行为的概念基于非正式的聚类分析。这符合研究的探索性、非因果性质，旨在为未来的烟草控制策略和疫情准备提供参考。为了指导行为变量的分析，我们采用了健康信念模型（HBM）和风险补偿理论（RCT）作为概念框架。尽管我们没有直接评估个体的易感性或严重性感知，但这些模型有助于选择行为指标和解释结果。HBM认为健康行为受感知风险、收益和障碍的影响，这些因素可以影响口罩使用和手部卫生等预防策略的遵守[17]。RCT表明，个体可能会根据感知到的保护程度调整行为，例如在采取疫苗接种等预防措施后采取更具风险的行为[18]。在本研究中，我们使用PPE使用、洗手、避开人群和疫苗接种状态等替代指标来反映对感知风险的潜在行为反应[19]。这些理论框架被用来解释烟草使用者中的补偿行为模式，包括不规律的口罩使用、减少的物理距离以及在确认健康风险的情况下依赖未经验证的家庭疗法。

2.3 样本量估算
样本量计算基于普通人群中烟草使用的流行率。2017年全球成人烟草调查显示，35.3%的孟加拉国成年人使用烟草制品（吸食或无烟），这一数据被用作估算的关键参数[3]。应用以下公式：
$$n = \frac{Z^2p(1-p)}{e^2D}$$
其中，n为所需样本量；Z为95%置信区间的标准正态变量（1.96），p为35.3%（视为烟草使用者），1-p为64.7%（补充分配比例），e为0.05（精确度水平），D为设计效应。计算得出最低所需样本量为617人。另外增加了7%以考虑潜在的非回应情况，最终确定目标样本量为659人。这一调整有助于保持代表性并减少缺失数据的潜在影响。

COVID-19阳性患者的招募旨在增强统计可靠性和普遍性。纳入标准为年龄≥18岁的成年人，不论性别、宗教、种族、教育水平或职业，只要曾在达卡市接受过治疗即可。因病情严重（需要入住ICU、接受侵入性通气或持续氧气治疗）而被排除的患者被排除在外，因为他们身体状况太差，无法提供知情同意或参与调查。需要立即入住ICU的呼吸衰竭患者也在招募时被排除。然而，一些住院患者在治疗过程中后来接受了氧气补充或逐步减少的ICU监测，这些情况被记录在治疗变量中。因此，本研究主要反映了轻至中度COVID-19病例，因为无法在急性重症期间获得需要立即重症监护或机械通气的患者的同意。因此，分析重点是非重症确诊病例的行为模式和治疗实践，而非所有COVID-19严重程度。

2.4 验证COVID-19感染
COVID-19阳性通过逆转录聚合酶链反应（RT-PCR）检测确认，这是研究期间的黄金标准诊断方法。只有实验室确认RT-PCR阳性结果的患者才有资格纳入研究。医院招募的样本框架包括选定COVID-19医院的入院和检测记录。社区招募的样本框架结合了政府健康记录、当地COVID-19检测中心和市政健康报告。这种双源方法有助于确保样本反映受COVID-19影响的更广泛城市人口，并减少选择偏差。

2.5 抽样过程
采用多阶段简单随机抽样方法，不进行配额分配。事后评估确认了各年龄和性别组的合理平衡（图1）。这种方法确保了来自不同医疗环境的参与者被纳入，从而全面了解城市人口中的COVID-19经历[20]。该设计确保了在关键的社会人口统计阶层（如年龄、性别和居住区域）中的均衡代表性[21]。在接触的符合条件的医院患者中（n = 721），有594人同意参与（响应率为82.4%）。对于社区随访样本，78名符合条件的参与者中有65人同意参与（83.3%）。在第一阶段，从政府指定的COVID-19医院名单中随机选择了四家公立医院。同时，为了反映更广泛的城市覆盖范围，随机选择了八个社区病房——北方城市公司四个，南方四个。在第二阶段，从选定的医院和社区病房中招募了临床确诊的COVID-19病例（n = 659）。医院病房中的符合条件的患者是根据医院感染控制单位维护的每日RT-PCR阳性病例名单确定的。这些名单作为抽样框架，在每个病房内使用患者识别号码进行简单随机抽样以选择参与者。最终样本包括375名来自医院的患者和284名来自社区的患者，他们在北方和南方地区的分布是成比例的，如图1所示。这种抽样策略确保了在不同护理环境和社会人口统计群体中的多样性，提高了研究结果的代表性和可靠性。

2.6 数据收集和研究工具
在医院和社区环境中，采用半结构化问卷进行了面对面的访谈。为了确保不同环境之间的可比性，所有参与者都收集了相同的社会人口统计、行为和临床变量，包括共病状况、治疗类型和预防措施。现场工作人员接受了关于研究目标、方法论和问卷填写的强化标准化培训，包括澄清问题和最小化受访者偏见的策略。监督人员定期进行抽查，并对完成的问卷进行每日审核，以确保数据质量。
研究工具是由一个多学科团队开发的，该团队包括社会科学家、流行病学家、训练有素的医生和统计学家。通过公共卫生专家的专家审查来确保内容的有效性，以确认与研究目标的一致性。预防行为项目的Cronbach's alpha值超过了0.75，表明内部一致性是可以接受的。现场工作人员通过口头和信息表向参与者解释了研究目标。在参与之前获得了知情同意（口头或书面）。数据被匿名化并安全存储，在分析之前所有个人标识符都被移除。该研究获得了达卡Daffodil国际大学机构审查委员会（REC-FAHS）的伦理批准。

2.7 研究变量
2.7.1 社会人口统计变量
烟草使用被定义为在COVID-19诊断前30天内当前使用的吸烟（香烟、比迪烟）或无烟烟草（扎尔达、古尔或其他咀嚼烟草）。社会人口统计特征包括年龄（岁）、性别、婚姻状况、教育水平、月家庭收入（塔卡）和当前的居住模式。根据分布和流行病学相关性，年龄作为连续变量收集，并随后分为≤29岁、30-49岁和≥50岁进行分类，以便分析。婚姻状况记录为单身或已婚，性别分为男性或女性。教育水平分为以下几类：低于中等教育、中等教育、高等中等教育以及学士学位或以上。考虑到孟加拉国大都市地区的经济差异，建立了三个月家庭收入类别：≤30,000塔卡、30,001–60,000塔卡和≥60,000塔卡。住房类型根据参与者在调查中自我报告的建筑结构材料，分为Katcha（无砖或混凝土）、Pacca（全砖混凝土）和Semipacca（半砖混凝土）。

2.7.2 临床变量
研究捕捉了关键的临床特征，包括共病状况、COVID-19的严重程度和疫苗接种历史。根据世界卫生组织的指南，COVID-19的严重程度被分为两个级别：轻微（有症状）和中等（需要临时氧支持但不需要持续通气支持的病例被归类为中等严重程度），这与研究排除了病情严重的患者相一致。COVID-19疫苗接种记录为二元变量（否/是），表明参与者在感染前或感染期间是否接种了任何剂量。
共病被视为二元变量（存在与否），并作为回归模型中的协变量。为了评估共病状况，首先询问参与者：“您有任何共病情况吗？如果有，请具体说明（允许多个答案）”。回答选项包括哮喘/COPD、类风湿性关节炎、糖尿病、心血管疾病（如高血压和缺血性心脏病）、慢性肾病和其他慢性疾病。这些回答最初被编码为二元（是/否）并输入数据集。对于所有在医院招募的参与者，通过与临床医生的合作审查医院记录来验证共病情况。对于基于社区的参与者，如果可能的话，通过患者持有的文件（如处方或出院证明）来确认共病信息。
为了避免分析上的重叠，我们明确区分了急性COVID-19的严重程度和共病中的慢性疾病负担。COVID-19的严重程度使用短期关键指标进行评估，如症状、氧气治疗（不包括ICU级别的标准），而共病被视为二元变量（存在与否）。

2.7.3 COVID-19管理
COVID-19感染管理分为两类：基于医院的管理和基于家庭的管理。基于家庭的管理措施包括不住院使用的传统疗法和药物治疗。他们报告使用了蒸汽吸入、漱口以及喝柠檬水或加茶的热水。药物变量被归类为更广泛的临床类别，以减少共线性，包括退热药（对乙酰氨基酚、布洛芬）、支气管扩张剂（多索菲林、茶碱）、白三烯受体拮抗剂（蒙特鲁卡斯特）、抗组胺药（联邦芬那啶、西替利嗪）、抗生素（多西环素、阿奇霉素）、抗病毒药（瑞德西韦）、抗寄生虫药（伊维菌素）和抗凝剂（低分子肝素）。维生素补充（A、B、C、D和E）被普遍报告。虽然氧气治疗通常不是非处方药，但一些参与者报告称在家里使用了它。据报道，许多这些药物是在没有正式咨询的情况下根据当地药剂师或非正式提供者的建议获得的，反映了孟加拉国常见的自我护理习惯。还询问了参与者是否避免了垃圾食品并在患病期间保持了足够的水分摄入，以评估与营养相关的行为。所有基于家庭的管理措施都是由参与者自我报告的。
基于医院的管理包括接受COVID-19住院治疗的参与者报告的临床干预措施，如氧气治疗和住院期间使用的药物。这些治疗包括退热药（对乙酰氨基酚、布洛芬）、抗过敏药（蒙特鲁卡斯特、茶碱）、抗组胺药（联邦芬那啶、西替利嗪）、抗生素（多西环素、阿奇霉素）、抗病毒药（瑞德西韦）、抗寄生虫药（伊维菌素）、类固醇（地塞米松、甲基泼尼松龙）、免疫疗法（托西利珠单抗）、多种维生素（A、B、C、D和E）和血浆疗法。基于医院的管理措施在有病历记录的情况下得到证实；否则，它们是根据参与者报告的。

2.7.3 预防行为变量
使用了几种行为标志来评估对公共卫生预防指南的遵守情况，包括个人防护装备（PPE）的使用、洗手习惯（至少20秒）、避免大型聚会、保持物理距离、体育锻炼、待在家里、呼吸卫生礼仪、外出时戴口罩、保持身体暴露在阳光下，以及家庭成员在封锁期间外出。所有行为都是自我报告的，并被归类为二元变量（否/是），以确保统计分析的一致性。
与研究的概念框架一致，这些预防行为被测量为同时发生的健康相关习惯，而不是烟草使用的因果预测因素。

2.8 质量控制
现场监督员监督数据收集，确保遵守研究方案和一致的调查管理。现场工作人员定期由首席研究员（PI）和监督员简报，以保持质量并实时解决问题。问卷被翻译成孟加拉语，再翻译成英语，并与20名参与者进行了预测试，以评估清晰度和文化相关性。它还在医院和社区环境中进行了试点，以评估问题的时间安排、文化适宜性和顺序。在正式数据收集开始之前，根据预测试和试点的结果进行了修改，确保该工具适用于这两种环境。

2.9 统计分析
定量数据被清理、验证并输入到IBM SPSS（社会科学统计软件包）版本26.0中。具有错误、缺失或不完整信息的记录使用列表删除法被排除。描述性统计用于总结社会人口统计、临床和行为特征。连续变量以均值和标准差（±SD）表示，而分类变量则用频率和百分比表示。使用Pearson的χ2或Fisher的精确检验来评估烟草使用与分类变量之间的关联。
进行了双变量和多变量逻辑回归分析，以检查烟草使用（暴露变量）与一系列独立变量之间的关联，包括预防行为、治疗策略和社会人口统计特征。所有多变量模型都调整了年龄、性别、教育、家庭收入、住房类型、疫苗接种状况和共病，以减轻烟草使用者和非使用者之间的协变量分布差异。使用95%置信区间（CIs）的报告效应估计值为比值比（ORs），统计显著性设定为p < 0.05。
模型诊断包括Hosmer-Lemeshow拟合优度检验、Omnibus χ2检验和Cox & Snell R2来评估模型拟合度和解释力度。由于是探索性设计，没有应用多重比较校正；进行了敏感性分析以评估结果的稳定性。没有检测到多重共线性。鉴于烟草使用者的数量相对较少（n = 90），特别强调了保持模型的简洁性。预测因子选择基于先前的流行病学证据、概念相关性和双变量关联，同时避免了包含高度相关或理由不足的变量。有意限制模型复杂性，以保持适当的事件-变量比率并减少过拟合的风险。因此，模型被指定为理论上有根据的，而不是详尽无遗的。根据研究的探索性质，分析旨在估计调整后的关联，而不是测试因果或方向性假设。因此，发现应被解释为生成假设的。

2.10 逻辑回归模型的分析
进行了三个逻辑回归模型，以探索烟草使用与三类解释变量之间的关联：预防行为、基于家庭的治疗策略和基于医院的治疗策略，同时调整了相关协变量，如年龄、性别、教育、收入和COVID-19疫苗接种状况。每个模型都将烟草使用作为二元焦点健康行为（1 = 使用者，0 = 非使用者）。为了进一步提高简洁性，每个模型都包含了一组基于理论相关性和双变量筛选选择的有限预测因子，从而相对于烟草使用者的数量最小化了过参数化。指定的模型如下：
Modela：烟草使用 ~ 共病（是/否）+ 预防行为。
Modelb：烟草使用 ~ 共病（是/否）+ 基于家庭的管理因素。
Modelc：烟草使用 ~ 共病（是/否）+ 基于医院的管理因素。
每个模型中包含的协变量都是基于理论基础和先前的双变量显著性选择的。所有模型都显示了可接受的拟合优度，其中Model C在这个样本中表现出最好的解释能力（n = 659）。模型诊断的结果如下：
Modela：Hosmer-Lemeshow χ2 = 13.06 (df = 8, p = 0.11)；Omnibus χ2 = 42.87 (df = 15, p < 0.001)；Cox & Snell R2 = 0.064
Modelb：Hosmer-Lemeshow χ2 = 10.09 (df = 8, p = 0.259)；Omnibus χ2 = 36.76 (df = 17, p < 0.001)；Cox & Snell R2 = 0.077
Modelc：Hosmer-Lemeshow χ2 = 3.80 (df = 8, p = 0.869)；Omnibus χ2 = 40.48 (df = 15, p < 0.001)；Cox & Snell R2 = 0.098

3 结果
在659名COVID-19患者中，14.0%（n = 90）报告了烟草使用。在烟草使用者中，62.2%报告了吸烟，28.9%使用了无烟烟草，8.9%同时使用了这两种形式。其中，73.3%（66/90）为男性。平均年龄为38.43 ± 13.9岁。烟草使用与年龄（p = 0.003）、性别（p < 0.001）、教育水平（p < 0.001）和住房类型（p = 0.022）显著相关（表1）。参与者根据护理途径（基于家庭的护理、基于医院的护理或两者兼有）进行了描述性分类。然而，所有回归分析都是分别针对基于家庭的护理和基于医院的护理组进行的，以确保解释的清晰性和避免分析上的重叠。没有进行联合护理的分析模型。

表1 显示了孟加拉城市地区COVID-19患者根据烟草使用状况的社会人口统计特征（n = 659）

表2 展示了烟草使用与COVID-19患者临床特征之间的双变量关联。几个因素，特别是基于家庭的护理、PPE使用和阳光暴露的方面，与烟草使用有显著关联，并为多变量模型的变量选择提供了信息。在那些接受基于家庭的护理、使用替代或传统医学、服用维生素、报告个人防护装备（PPE）使用不一致以及定期暴露在阳光下的人群中，烟草使用更为常见（所有p < 0.05）。

3.1 双变量和多变量回归分析的结果
3.1.1 烟草使用与预防措施的关联（Model?）
在检查烟草使用与预防行为之间的关系时（Model?/表3），未经调整的逻辑回归模型表明，与男性相比，女性的烟草使用几率显著较低（COR：0.20，95% CI：0.12–0.31，p < 0.001），共病条件的参与者也是如此（COR：0.57，95% CI：0.37–0.89，p = 0.01）。使用个人防护装备（PPE）（校正后的比值比：0.56，95%置信区间：0.36–0.88，p=0.012）、始终佩戴口罩（校正后的比值比：0.42，95%置信区间：0.25–0.70，p=0.001）以及保持良好的呼吸卫生习惯（校正后的比值比：0.47，95%置信区间：0.23–0.93，p=0.03）均与较低的烟草使用概率显著相关。表3显示了烟草使用与COVID-19患者社会人口统计学特征和临床特征之间的关联（n=659；{\mathbf{M}\mathbf{o}\mathbf{d}\mathbf{e}\mathbf{l}}^{\mathbf{a}}）。在调整后的模型中，女性性别仍与较低的烟草使用概率相关（调整后的比值比：0.20，95%置信区间：0.12–0.34，p<0.001）。始终佩戴口罩（调整后的比值比：0.53，95%置信区间：0.28–0.99，p=0.045）和保持良好的呼吸卫生习惯（调整后的比值比：0.31，95%置信区间：0.12–0.83，p=0.019）也与较低的烟草使用概率相关。相反，避免大型集会与较高的烟草使用概率相关（调整后的比值比：5.57，95%置信区间：1.58–9.61，p=0.007）。

3.1.2 烟草使用与家庭治疗模式的关联（模型? – 仅限家庭护理）
较大的比值比可能反映了“否”类别中的单元计数稀少，因此在样本量有限的背景下应谨慎解读。对于仅接受家庭护理的参与者（模型?/表4），未调整的模型显示，合并症的参与者有较高的烟草使用概率（校正后的比值比：1.75，95%置信区间：1.12–2.74，p=0.014）。使用替代或传统家庭疗法也与烟草使用相关（校正后的比值比：3.92，95%置信区间：2.27–6.73，p<0.001）。特定治疗方法也与烟草使用相关，包括蒸汽吸入（校正后的比值比：2.89，95%置信区间：1.64–5.09，p=0.001）、伊维菌素（校正后的比值比：2.24，95%置信区间：1.19–4.19，p=0.012）、维生素（校正后的比值比：1.82，95%置信区间：1.16–3.10，p=0.019）以及瑞德西韦等抗病毒药物（校正后的比值比：3.15，95%置信区间：1.18–8.39，p=0.022）。表4显示了仅接受家庭护理的参与者中与家庭治疗模式相关的因素。在调整后的模型中，合并症（校正后的比值比：1.87，95%置信区间：1.10–3.22，p=0.023）和使用替代或家庭疗法（校正后的比值比：2.71，95%置信区间：1.40–5.25，p=0.003）在调整后仍与烟草使用相关。在特定治疗方法中，只有伊维菌素继续显示出与烟草使用的关联（校正后的比值比：2.44，95%置信区间：1.11–5.40，p=0.027）。其他治疗变量在调整后未保持统计学上的显著关联。

3.1.3 烟草使用与医院治疗模式的关联（模型? – 仅限医院护理）
当考虑医院治疗（模型?/表5）时，未调整的模型显示，合并症的参与者有较高的烟草使用概率（校正后的比值比：1.75，95%置信区间：1.12–2.74，p=0.014）。几种治疗变量与烟草使用有未调整的关联，包括托珠单抗（校正后的比值比：4.16，95%置信区间：1.17–14.76，p=0.027）、血浆疗法（校正后的比值比：4.12，95%置信区间：1.56–10.90，p=0.004）、维生素补充（校正后的比值比：3.16，95%置信区间：1.49–6.70，p=0.003）、高级呼吸支持（校正后的比值比：3.69，95%置信区间：1.21–11.28）、类固醇使用（校正后的比值比：2.38，95%置信区间：1.27–4.47，p=0.007）和肝素注射（校正后的比值比：2.34，95%置信区间：1.19–4.57，p=0.013）。表5显示了住院患者中与医院治疗模式相关的因素。在调整后的模型中，合并症（校正后的比值比：3.01，95%置信区间：1.50–6.03）仍与烟草使用相关。在医院治疗中，只有少数变量保持关联，包括托珠单抗（校正后的比值比：5.09，95%置信区间：1.16–22.24，p=0.031）、血浆疗法（校正后的比值比：3.89，95%置信区间：1.24–12.23，p=0.020）和维生素补充（校正后的比值比：2.64，95%置信区间：1.09–6.39，p=0.032）。其他变量，包括类固醇使用、高级呼吸支持和肝素，在调整后未显示统计学上的显著关联。

4 讨论
本研究通过关注低收入和中等收入国家（LMIC）的城市人口，为烟草使用与COVID-19感染之间的相互作用提供了额外的见解。研究结果来自医院和社区环境，说明了烟草使用与大流行期间的几种预防行为和临床特征之间的关联。分析重点关注变量之间的观察到的关联，而不是对共存行为的正式评估，揭示了烟草使用与非重症COVID-19患者的预防实践和治疗经历之间的关系。值得注意的是，样本中只有14%的COVID-19患者报告使用烟草，远低于全国平均水平的35%[3]。在调整后的分析中，烟草使用者一致佩戴口罩或保持良好的呼吸卫生的可能性显著较低，而他们更有可能避免大型集会——这一关联可能反映了该群体对风险的认知差异、文化规范或对公共卫生信息解读的不同。通过专注于一个低收入和中等收入国家的城市环境，我们的研究提供了特定于该背景的见解，这些见解可能无法在高收入国家的研究中完全反映出来，突显了当地社会文化因素和卫生系统因素对大流行期间行为反应的影响。

在COVID-19大流行的初期阶段，关于烟草使用与COVID-19疾病之间关联的证据有限[22, 23]。然而，目前尚无确凿证据表明吸烟者更容易发展成重症COVID-19。2021年的一项包含7162名患者的荟萃分析未发现吸烟与COVID-19严重程度之间的统计学显著关联[24]，而其他研究则发现吸烟增加了住院、ICU入院和死亡风险[25]。之前一项涉及2022名孟加拉患者的研究发现，吸烟者患重症COVID-19的风险增加了2.45倍[26]。我们的发现应在非重症RT-PCR确诊的COVID-19病例的背景下进行解读，因为招募时排除了需要ICU级别护理的患者。因此，当前分析并未评估ICU入院风险或重症疾病结果，而是反映了轻度至中度临床表现的差异。与研究重症病例的研究[27]相反，本研究关注的是非重症范围内的疾病管理和治疗模式的差异。样本中只有38.9%的烟草使用者接种了疫苗（表2），这与研究表明烟草使用者的疫苗接种率低于非使用者[28]一致。尽管其他研究显示疫苗接种与减轻重症结果有关[28]，但本研究并未直接评估病情进展至重症或ICU级别护理的情况，而是强调了观察到的预防实践与治疗相关行为之间的关联。

我们的研究还发现烟草使用者倾向于使用替代医学，但这些方法并未与非重症范围内的临床改善相关。这与一项针对3,177名COVID-19患者的研究结果一致，该研究记录了家庭治疗中广泛使用草药疗法的情况[29]。尽管伊维菌素的使用存在争议，但研究发现患有COVID-19的烟草使用者更有可能使用伊维菌素。尽管伊维菌素在大流行初期治疗方案中很受欢迎，但在COVID-19管理中并未显示出显著的临床益处[30, 31]。在我们的样本中，烟草使用者比非使用者更有可能使用伊维菌素，这反映了早期的临床实践和患者的治疗偏好。通过记录医疗和非医疗治疗行为（包括非处方药和草药疗法），本研究提供了关于孟加拉城市地区大流行期间自我管理实践的见解。合并症在家庭和医院治疗模式下都与烟草使用相关，表明使用者具有较高的临床风险。我们的研究还报告说，医院治疗根据烟草使用情况而有所不同。即使经过调整，烟草使用者更有可能使用托珠单抗和血浆疗法，这表明治疗决策或临床管理存在差异。这些发现应被视为管理方法的差异，而不是重症进展的指标[32, 33]。然而，如洗手或避免人群聚集等预防行为与减少住院率无关，这表明烟草使用者可能需要额外的针对性预防策略来降低他们在非重症范围内（如氧气补充）需要更高水平护理的可能性。

烟草使用在所有年龄和性别的人群中变得越来越普遍。由于社会期望偏见，女性中的报告不足可能部分解释了观察到的显著性别差异。粗略估计和调整后估计之间的差异可能反映了年龄和性别的混杂因素。本研究发现的较高风险强调了需要制定早期临床分诊方案，包括常规的烟草使用筛查、将短期戒烟干预纳入COVID-19护理路径，以及为出现呼吸症状的烟草使用者制定基于风险的住院指南。需要进一步的纵向和实验研究来探索烟草使用、COVID-19结果和治疗反应之间的因果关系。

5 强点和局限性
本研究提供了关于低收入和中等收入国家（LMIC）城市环境中烟草使用与COVID-19结果之间关系的全面理解，受益于从医院和社区环境中收集的大量多样化样本（n=659）。多变量逻辑回归的使用允许调整社会人口统计学、临床和行为协变量，揭示了烟草使用者与非使用者之间的关键差异。重要的是，分析仅限于非重症病例，确保了结果解释的一致性。总体而言，该方法论方法和背景深度为未来类似资源匮乏环境中的流行病学研究提供了有价值的见解。

但也需要注意几个局限性。首先，横断面设计排除了时间序列或因果关系的推断；解释仅限于关联。其次，尽管模型调整了主要协变量，但未评估潜在的中介效应和效应修饰，这应在未来的研究中进行探讨。第三，该研究仅在大达卡的政府医院进行，这可能限制了其对农村或私营医疗环境的普遍性。第四，由于排除了需要ICU入院或侵入性机械通气的患者，该研究可能低估了最严重的临床结果。烟草使用者可能在重症患者中占有不成比例的比例，因此他们的排除可能会削弱烟草使用与严重COVID-19结果之间的真实关系。因此，这些发现应严格解释为轻度至中度COVID-19病例中的模式，不应推广到重症或ICU级别结果。

此外，样本在烟草使用状况上没有进行配额平衡。没有应用分层后的加权，因此应谨慎解释患病率估计。观察到的较低患病率可能与排除了严重病例以及COVID阳性患者的年龄/性别分布有关。社区参与者的合并症是自我报告的，并在可能的情况下通过可用文件进行了验证，这可能导致一些分类错误。其他限制包括报告家庭用药的回忆偏差以及与性别、社会经济状况和就医行为相关的潜在残余混杂因素。最后，尽管样本量较大，但它可能未能捕捉到不同人口统计和地理子群体中烟草使用和就医行为的全部变异性。将研究扩展到包括农村人口和不同的医疗环境对于制定公平的、特定于背景的策略以应对未来的呼吸系统大流行至关重要。

6 结论
本研究提供了关于烟草使用与非重症COVID-19病例的疾病管理和临床表现模式之间关联的新见解。烟草使用与预防实践和治疗相关行为之间存在差异，尽管这些关联应在分析的探索性框架内进行解释。尽管采取了使用个人防护装备、日晒和维生素补充等预防措施，烟草使用者表现出不同的护理模式，但在入院时并未显示出统计学上的更大严重程度。值得注意的是，四分之一的烟草使用者依赖替代医学，只有三分之一的使用者接种了疫苗，但这些措施在非重症范围内并未均匀有效地减轻不良结果。这些发现强调了在传染病暴发期间将常规烟草筛查和戒烟支持纳入临床护理路径的必要性，特别是在烟草使用率高的情况下，且卫生资源有限的环境中。